machine-learning - 我们如何获取/定义卷积神经网络中的滤波器？

Question

如何实现深度自动编码器(例如如何从卷积神经网络(CNN)获取过滤器？我的想法是这样的:对输入图像(28x28)进行随机图像处理并获取随机补丁(8x8)。然后使用自动编码器来学习补丁的共同特征(特征 = 隐藏单元；例如大约 100)。然后将特征过滤器应用于输入图像并进行卷积。我对吗？

我很困惑，因为有时文献只指出使用类似的内容，例如8，过滤器，但就我而言，我有 100..g。 2层或3层)？有什么想法或资源吗？

Answer 1

您可以按照教程:http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial

这就像关于自动编码器和一些关于 CNN(卷积和池化)的简单内容的讲座。当您完成本教程时，您将拥有自动编码器实现和堆叠自动编码器(用您的话来说)深度自动编码器实现已准备就绪。

本教程将完全满足您的要求:

• 28x28 MNIST 图像

• 使用自动编码器获取 8x8 补丁和学习过滤器

• 通过这些 8x8 过滤器对这些图像进行卷积

• 汇集它们

• 使用合并的向量/图像并将它们放入 soft-max 分类器中来学习 MNIST 数据库的 10 个不同类别。